基于粒子滤波与稀疏表达的目标跟踪方法

来源 :模式识别与人工智能 | 被引量 : 8次 | 上传用户:luanwf
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对视频序列图像目标跟踪中的光照变化问题,提出一种在粒子滤波器框架内,基于目标的局部二元模式(LBP)纹理特征,使用稀疏表达进行目标跟踪的方法.当前帧的跟踪粒子由前一帧的跟踪结果按高斯分布来生成.通过解l1正则化最小二乘方问题,获得每个粒子对应于模板子空间的稀疏表达,确定当前帧图像中的跟踪目标.然后使用粒子滤波器生成下一帧跟踪的粒子分布.在跟踪过程中采用新的动态模板更新策略更新模板空间中的模板.实验结果证明该方法的有效性和先进性.
其他文献
大数据挖掘与分析技术立足于计算机系统和现代信息技术,从海量数据中提取最具价值的信息,以此为信息需求者的决策制定提供有效依据。论文简要阐释了大数据挖掘系统的主要构成
论文构建了基于筹供中心的器材供应链系统,并建立了筹供中心信息流模型,推动了器材供应链建模向实践的转化。论文的研究为下一步建立信息化条件下器材供应保障模式提供了有益
视觉注意力是人类感知系统中一个十分重要的特性,但目前基于人类视觉感知机理的隐写算法大多只考虑亮度、对比度和掩蔽效应等低层因素.文中将视觉注意力模型引入隐写算法中,提出一种新的基于视觉注意力和局部复杂性的图像隐写算法.算法先采用均方差分析图像的局部复杂性,在复杂性较大的区域引入Itti模型构造注意力显著图,进而利用视觉熵来定量刻画注意力特性,并将图像分块处理,图像块按照不同的局部复杂程度和注意力等级
由中国人工智能学会粗糙集与软计算专业委员会和中国计算机学会人工智能与模式识别专业委员会主办、闽南师范大学承办的“第十三届中国Rough集与软计算学术会议(CRSSC2013)”、